Как выполнить логистическую регрессию в SPSS

Как выполнить логистическую регрессию в SPSS

Логистическая регрессия — это метод, который мы используем для подбора регрессионной модели, когда переменная ответа является бинарной.

В этом руководстве объясняется, как выполнить логистическую регрессию в SPSS.

Пример: логистическая регрессия в SPSS

Используйте следующие шаги, чтобы выполнить логистическую регрессию в SPSS для набора данных, который показывает, попадали ли баскетболисты из колледжа в НБА (драфт: 0 = нет, 1 = да) на основе их среднего количества очков за игру и уровня дивизиона.

Шаг 1: Введите данные.

Сначала введите следующие данные:

Шаг 2: Выполните логистическую регрессию.

Перейдите на вкладку « Анализ », затем « Регрессия », затем « Бинарная логистическая регрессия »:

Опция бинарной логистической регрессии в SPSS

В новом всплывающем окне перетащите проект переменной двоичного ответа в поле с надписью Зависимая. Затем перетащите две точки переменных-предикторов и разделите их в поле с надписью Блок 1 из 1. Оставьте для параметра Метод значение Ввод. Затем нажмите ОК .

Ввод логистической регрессии в SPSS

Шаг 3. Интерпретируйте вывод.

Как только вы нажмете OK , появится результат логистической регрессии:

Вывод логистической регрессии в SPSS

Вот как интерпретировать вывод:

Резюме модели: наиболее полезным показателем в этой таблице является R-квадрат Нагелькерке, который сообщает нам процентную долю вариации переменной отклика , которая может быть объяснена переменными-предикторами. В этом случае баллы и деление могут объяснить 72,5% изменчивости осадки.

Таблица классификации: наиболее полезным показателем в этой таблице является общий процент, который сообщает нам процент наблюдений, которые модель смогла правильно классифицировать. В этом случае модель логистической регрессии смогла правильно предсказать результат драфта 85,7% игроков.

Переменные в уравнении: эта последняя таблица предоставляет нам несколько полезных показателей, в том числе:

  • Вальд: Статистика теста Вальда для каждой переменной-предиктора, которая используется для определения того, является ли каждая переменная-предиктор статистически значимой.
  • Sig: p-значение, соответствующее статистике теста Вальда для каждой переменной-предиктора. Мы видим, что значение p для точек равно 0,039, а значение p для деления равно 0,557.
  • Exp(B): отношение шансов для каждой переменной-предиктора. Это говорит нам об изменении шансов на то, что игрок будет выбран на драфте, связанном с увеличением на одну единицу данной предикторной переменной. Например, вероятность того, что игрок из 2-го дивизиона будет выбран на драфте, составляет всего 0,339 от вероятности того, что игрок из 1-го дивизиона будет выбран на драфте. Точно так же каждая дополнительная единица увеличения очков за игру связана с увеличением на 1,319 шансов игрока быть задрафтованным.

Затем мы можем использовать коэффициенты (значения в столбце с пометкой B), чтобы предсказать вероятность того, что данный игрок будет выбран на драфте, используя следующую формулу:

Вероятность = e -3,152 + 0,277 (балла) - 1,082 (деление) / (1 + e -3,152 + 0,277 (балла) - 1,082 (деление) )

Например, вероятность того, что игрок, который в среднем набирает 20 очков за игру и играет в дивизионе 1, будет выбран на драфте, может быть рассчитана как:

Вероятность = e -3,152 + 0,277(20) – 1,082(1) / (1+e -3,152 + 0,277(20) – 1,082(1) ) = 0,787 .

Поскольку эта вероятность больше 0,5, можно предположить, что этот игрок будет выбран на драфте.

Шаг 4. Сообщите о результатах.

Наконец, мы хотим сообщить о результатах нашей логистической регрессии. Вот пример того, как это сделать:

Была проведена логистическая регрессия, чтобы определить, как количество очков за игру и уровень дивизиона влияют на вероятность того, что баскетболист будет выбран на драфте. Всего в анализе участвовало 14 игроков.
Модель объяснила 72,5% вариаций в черновом результате и правильно классифицировала 85,7% случаев.
Шансы на то, что игрок из 2-го дивизиона будет выбран на драфте, составляли всего 0,339 шансов на то, что игрок из 1-го дивизиона будет выбран на драфте.
Каждая дополнительная единица увеличения очков за игру была связана с увеличением на 1,319 шансов игрока быть задрафтованным.
Замечательно! Вы успешно подписались.
Добро пожаловать обратно! Вы успешно вошли
Вы успешно подписались на кодкамп.
Срок действия вашей ссылки истек.
Ура! Проверьте свою электронную почту на наличие волшебной ссылки для входа.
Успех! Ваша платежная информация обновлена.
Ваша платежная информация не была обновлена.